交易系统高并发下的幂等性设计原则

- 日理万妓 2022-01-15 03:59 293阅读 0赞

# 一、介绍 #

**幂等性**就是针对同一个请求，不管该请求被提交了多少次，该请求都将被视为同一个请求，服务端不应该将同一个请求进行多次处理，以确认处理逻辑的正确性，针对交易性系统幂等性的设计尤为重要，否则由于网络或服务器处理超时等问题，就会造成交易混乱，最严重的后果就是乱扣用户的钱，造成投诉満天飞。

# **二、客户端设计原则** #

系统设计时，一定是要从最坏的角度上去考虑，如网络问题、服务器问题，甚至于包括人为的攻击行为，如果纯粹从服务端的角度去做实现保证，一个是系统的复杂度会加大，二个也会对系统产生更大的并发压力，因而客户端的合理设计也非常重要，举一个示例：

<table style="width:651px;"> 
 <tbody> 
  <tr> 
   <td style="width:648px;"><em>用户在网页端或APP端（统称为客户端）上购买一个商品，通常都是以触发按钮的行为提交该请求，如果客户端没有做请求提交控制，那么由于网络原因或者系统繁忙等原因（这是非常常见的场景），没有在用户期望的时间之内响应，那么用户就会再次点击，那么这个请求又会发往服务端，那么服务端又会再次对这个请求进行处理。</em></td> 
  </tr> 
 </tbody> 
</table>

针对这种场景，服务端就会接收处理到多个订单请求，从而产生多条**不合理的**用户订单。此时在客户端稍微优化一下，当用户的请求提交以后，将订单提交的请求按钮置为不可用的状态，待请求成功响应后跳转到下一步处理逻辑，或者是提单请求超时后再将订单提交按钮置为可用，提示用户上一次的提交可能已经失败，并允许用户再次提交。

当然客户端这样设计并不能完全做到幂等性原则，因为用户同样可以针对相同的订单执行多次提交，服务端如果没有做控制，还是会产生多个订单，只是让错误变得优雅了一点。这个时候需增加令牌策略，在下单之间，针对当前订单从服务端获取一个Token，每次提交的时候都从把该Token带上，针对同一个订单带上相同的值，这样服务端就可以根据该Token来判断是不是一个已经处理的了订单。

说了那么多，看文字太累，还是看图方便，来一个：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdsaWJpbmc_size_16_color_FFFFFF_t_70][]

# #

# **三、服务端设计原则** #

根据不同的应用场景，服务端可以使用不同的解决方式，如：

1、数据库的乐观锁；
    2、防重表；
    3、token令牌；
    4、分布式锁；
    5、异步处理支付；

其中数据库的乐观锁和防重表的使用，都是涉及到数据的参与，在高并发的应用场景中，业务的判断逻辑尽量不要使用数据库参与，特别是RDBMS的参与，因为RDBMS天生具有不易扩展及事务处理属性，吞吐量上都会有相应的瓶颈，因而用数据库做业务逻辑的控制不是我的菜，这里就不会重点说这两种方式。

## 1、Token令牌+分布式锁的方式 ##

Token是用于确定交易的唯一属性，也是服务端用于检验当前交易是否合法交易的依据，但是在分布式的复杂环境中，如果没有分布式锁的控制，同一笔交易就可能会被处理多次，因而为了确认交易的**幂等性**，Token令牌和分布式锁必须要一起使用。

实现逻辑步骤如下：

1、服务端根据交易前请求生成对应的Token，保存于服务端的Token库中，通常是缓存集群中，并将生成好的Token库下发给客户端；
    2、客户端在每次请求的时候，都带上对应的Token；
    3、服务端获取该Token对应的锁，如果获取成功，则继续下面的步骤；
    4、判断是否该Token是否合法，如果合法则继续下一步；
    5、处理真实的业务逻辑；
    6、业务处理成功后，从缓存中删除该Token；
    7、删除获取的分布式锁；

实现逻辑参见下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdsaWJpbmc_size_16_color_FFFFFF_t_70 1][]

其中分布式锁的获取，可以通过Redis和Zookeeper实现，请参看笔者的另外两篇分别介绍通过Redis和Zookeeper实现分布式的文章：

[集群环境中使用Redis实现分布式锁两种方式][Redis]

[集群环境中使用Zookeeper实现分布式幂等控制][Zookeeper]

## 2、异步处理 ##

异步处理，通常的做法是将认为需要消费的交易，提交到消息队列中，并注册监听事件，待交易被处理完后，再由处理交易的应用回调注册的监听事件反馈处理的结果。交易处理的调度应用，需要负责对交易的处理符合幂等性的原则，将重复请求的交易请求做去重处理。

实现逻辑见下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdsaWJpbmc_size_16_color_FFFFFF_t_70 2][]

从逻辑处理上可以看到，只要交易处理器足够多，处理速度也不一定会受到多少的影响，交易生产者和交易接收者甚至可以同步返回结果，当交易接收者接收处理结果超时后，再提示用户过一会儿查看交易的处理结果。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdsaWJpbmc_size_16_color_FFFFFF_t_70]: /images/20220115/1a08fffb610e459aa926e4fecfa205d6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdsaWJpbmc_size_16_color_FFFFFF_t_70 1]: /images/20220115/fe395568ed70450fb1c2e8125567b647.png
[Redis]: https://blog.csdn.net/fenglibing/article/details/91862323
[Zookeeper]: https://mp.csdn.net/postedit/91969820
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlbmdsaWJpbmc_size_16_color_FFFFFF_t_70 2]: /images/20220115/b8ee95427b8740859df8de5d34bc76ed.png